Jupyter Notebook CodeGeex插件：数据分析技巧榜单
若要在 Jupyter Notebook 中借助 CodeGeeX 直接产出可复现的数据分析代码，关键在于充分激活插件的上下文感知能力并选对触发方式。快捷键误用、cell 类型选择错误，都会导致生成的代码缺乏 import 语句，甚至直接抛出 NameError。实际上，原生 Jupyter Notebook 并不原生集成 CodeGeeX 插件，必须依托 IDE（如 VS Code 或 JetBrains）内置的 notebook 内核桥接。下面这套流程，将引导你在 notebook 中依次走通从数据加载到可视化的完整闭环。
换句话说，你无需手动切换编辑器，也无需费力拼接代码逻辑，只要精准掌握对应的魔法命令和快捷键，就能在 cell 中像对话一样生成可执行的代码。前提是——环境配置到位，插件稳定运行。
确认环境与插件已就绪
启动 Jupyter Notebook（注意非 Jupyter Lab），确保 CodeGeeX 官方插件已安装并处于启用状态。在任一 cell 中输入 import pandas as pd 并运行，先验证当前 Python 内核能否正常导入 Pandas。若报 ModuleNotFoundError，说明当前 kernel 缺失 Pandas，立即执行 !pip install pandas 补装。
检查右上角是否有 CodeGeeX 图标按钮——如果没有，表明当前 Jupyter Notebook 原生不支持该插件，需返回 VS Code 或 JetBrains IDE 安装插件后，再通过其内置的 Jupyter 支持启动 notebook。这一点务必牢记：【Jupyter Notebook 原生不支持 CodeGeeX 插件，必须依赖 IDE 提供的 notebook 内核桥接】。
使用 %%codegeex 魔法命令生成清洗函数
新建一个 cell，首行输入：
%%codegeex
换行后描述你的需求，例如：
生成一个清洗函数 clean_df(df)，要求：先按'id'列去重保留首次出现；再对数值列应用Z-score异常值截断(±3标准差)；最后对剩余缺失值统一填为-999。
随后按 Ctrl+Enter（Windows/Linux）或 Cmd+Enter（macOS）运行该 cell。CodeGeeX 将返回完整的函数定义，其中包含 from scipy import stats 和 np.where 等判断逻辑。若生成的代码开头不是 def clean_df(df):，说明提示词未被识别为“函数生成”任务——请补写“生成一个函数”这几个关键词。
用自然语言注释触发 pandas 分析代码
方法一：在 code cell 里写注释后换行触发
输入一行注释：# 加载数据：读取input.xlsx的“原始数据”表，跳过前两行，设置第三行为列名
光标移至下一行，按下 Alt+C（默认快捷键），CodeGeeX 会自动补全 pd.read_excel("input.xlsx", sheet_name="原始数据", skiprows=2, header=0)。此操作极其顺手，省去手动查参时间。
方法二：用三引号注释描述复杂聚合
写入三引号注释：
"""基于df_sales DataFrame创建数据透视表：行字段为'区域'和'销售员'，列字段为'产品类别'，值字段为'销售额'求和，并添加总计行与总计列"""
回车后待右下角图标旋转结束，按 Tab 插入代码。务必检查生成代码中是否包含 margins=True 和 aggfunc='sum'——这两个参数是数据透视表计算总计的关键，缺失则结果不完整。
分步调试：逐 cell 生成分析单元
整体流程按四步推进，每个 cell 仅聚焦单一任务，既能保证代码可运行，也方便快速定位问题。
第一步：启动 Jupyter Notebook，新建一个 Python 3 内核笔记本。
第二步：在第一个 cell 写入 # 加载数据：读取input.xlsx的“原始数据”表，跳过前两行，设置第三行为列名 → 按 Alt+C 生成 read_excel 语句，运行后确保 df 加载成功。
第三步：新建下一个 cell，输入 # 计算各区域销售额均值与标准差，按均值降序排列 → 触发生成 df.groupby("区域")["销售额"].agg(["mean","std"]).sort_values("mean", ascending=False)。运行后可同步检查分组聚合结果的合理性。
第四步：再建一个 cell，输入 # 绘制区域销售额箱线图，x轴为区域，y轴为销售额 → 生成的 matplotlib 代码通常会缺失 plt.show()，这是常见遗漏点，需要手动追加，否则图像无法渲染。
依此逐步执行，每个 cell 均可独立验证，即使某一步报错，也能瞬间定位修复，避免从头排查。